二甲双胍使用对2型糖尿病患者急性肾损伤风险的预测价值:基于机器学习模型的队列研究
《BMC Nephrology》:Metformin use and acute kidney failure risk in patients with type 2 diabetes: an explainable machine learning study with dual-cohort validation
【字体:
大
中
小
】
时间:2026年10月11日
来源:BMC Nephrology 2.9
编辑推荐:
糖尿病和急性肾损伤(AKI)在临床实践中常同时存在。糖尿病通过肾脏微血管损伤增加了急性肾损伤的易感性,而急性肾损伤可能进一步加重代谢紊乱。二甲双胍被广泛用作2型糖尿病(T2DM)的一线治疗药物;然而,其与急性肾损伤的关联仍有争议。本研究旨在开发和验证纳入二甲双胍使用的机器学习
糖尿病和急性肾损伤(AKI)在临床实践中常同时存在。糖尿病通过肾脏微血管损伤增加了急性肾损伤的易感性,而急性肾损伤可能进一步加重代谢紊乱。二甲双胍被广泛用作2型糖尿病(T2DM)的一线治疗药物;然而,其与急性肾损伤的关联仍有争议。本研究旨在开发和验证纳入二甲双胍使用的机器学习模型,以预测2型糖尿病患者中的急性肾损伤,并评估二甲双胍使用对急性肾损伤风险的预测价值。从MIMIC-IV数据库中共识别出3,145名2型糖尿病ICU患者。临床变量包括人口学特征、合并症、生命体征、实验室检查、机械通气状态及二甲双胍使用情况。采用倾向性评分匹配平衡二甲双胍使用者与非使用者的基线特征。采用条件Logistic回归和匹配对聚类稳健标准误Logistic回归评估二甲双胍使用与急性肾损伤之间的关联。采用LASSO筛选候选变量,随后进行探索性多因素Logistic回归以估计校正后的关联。在预测分析中,开发了临床Logistic、LASSO Logistic和XGBoost模型的基线版本和二甲双胍增强版本。采用嵌套交叉验证进行内部验证,并在独立的100例患者医院队列中进行外部评估。采用ROC-AUC、PR-AUC、Brier评分、准确率、灵敏度、特异度、阳性预测值、阴性预测值和F1评分评估模型性能。采用配对自助重抽样评估二甲双胍使用的增量预测价值。采用SHAP解释表现最佳的模型,并基于临床Logistic加二甲双胍模型构建列线图,用于个体化风险估计。MIMIC-IV队列共纳入3,145名2型糖尿病ICU患者,其中1,245例符合预设的急性肾损伤标准,1,059例入院前长期使用二甲双胍。倾向性评分匹配后获得760例匹配对,基线特征均衡良好。条件Logistic回归显示,入院前使用二甲双胍与较低的急性肾损伤几率相关(OR = 0.392,95% CI:0.306–0.502;P < 0.001)。当采用按匹配对聚类的稳健标准误时,结果保持一致(OR = 0.408,95% CI:0.325–0.512;P < 0.001)。在校正LASSO筛选的变量后,该关联仍然存在(OR = 0.343,95% CI:0.267–0.442;P < 0.001)。排除首次ICU入住时已发生急性肾损伤患者的敏感性分析得出类似结果(OR = 0.427,95% CI:0.338–0.538;P < 0.001)。加入二甲双胍使用后,三类模型的ROC-AUC普遍升高,Brier评分下降。在MIMIC-IV开发队列中,XGBoost加二甲双胍模型表现最佳,ROC-AUC为0.863(95% CI:0.849–0.877),PR-AUC为0.816,Brier评分为0.148。在独立医院队列中,临床Logistic加二甲双胍模型表现最佳,ROC-AUC为0.955(95% CI:0.910–1.000),PR-AUC为0.932,Brier评分为0.138。SHAP分析显示二甲双胍使用是模型预测的重要贡献因素,二甲双胍使用与较低的急性肾损伤预测风险相关。在2型糖尿病患者中,二甲双胍使用与较低的急性肾损伤几率相关,并为急性肾损伤风险预测提供了额外的临床信息。这些发现可为该高危人群的风险分层和用药安全性评估提供支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号